OpenAI: Whisper Large V3
Whisper Large V3 مدل تشخیص گفتار خودکار متنباز OpenAI است که هم رونویسی صوتی و هم ترجمه را ارائه میدهد. این مدل از بیش از ۹۹ زبان پشتیبانی میکند و فرمتهای صوتی رایج از جمله mp3، mp4، wav، webm، flac و ogg را میپذیرد. با ۱۵۵۰ میلیون پارامتر، به نرخ خطای کلمه ۱۰.۳٪ دست مییابد و برای رونویسی چندزبانه و مقاوم در برابر نویز در شرایط دشوار بسیار مناسب است. از جزئیات مهر زمانی در سطح کلمه و بخش پشتیبانی میکند.
دسترسی API، ساختهشده برای برنامهنویسها
مشخصات اصلی مدل هوش مصنوعی
| نام مدل | openai/whisper-large-v3 |
| تاریخ ساخت | ۱۴۰۵/۶/۳ |
| سرعت مدل | 3 / 5 |
| Tokenizer | GPT |
| Reasoning | غیرفعال |
| هزینه خروجی متن | $0 به ازای هر یک میلیون توکن |
OpenAI: Whisper Large V3
هر ماه مدلهای هوش مصنوعی متنوعی از شرکتهای مختلف ارائه میشود. ثبت نام، راهاندازی و مدیریت اکانتها و مدیریت مالی مدلهای مختلف کار دشواریست. هوش مصنوعی لیارا، مدلهای برتر دنیا را از طریق یک اکانت و یک کلید دسترسی در اختیار شما قرار میدهد.
مانیتورینگ پیشرفته
تعداد درخواستها، توکنهای مصرفی و هزینههای خود را بهتر مدیریت کنید.
توکن رایگان روزانه
با استفاده از توکنهای رایگان، هزینههای هوشمندسازی نرمافزار خود را کاهش دهید.
مدلهای متنوع
ما به سرعت در حال اضافهکردن مدلهای برتر دنیا هستیم. از OpenAI و DeepSeek گرفته تا Grok و Meta.
معماری مدل
| ورودیها | audio |
| خروجی | transcription |
| Structured Outputs | غیرفعال |
| Function Calling | غیرفعال |
| Tuning | غیرفعال |
| Streaming | غیرفعال |
پارامترهای قابل تنظیم | frequency_penaltylogit_biasmax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p |
ما سعی میکنیم قابلیتهایی که بهطور مشترک در اکثر مدلها وجود دارد را در قالب OpenAI API پیادهسازی کنیم تا نیازی نباشد برای جابهجایی بین مدلهای مختلف، کدهای خود را تغییر دهید.
